3. ClickHouse数据类型和表结构

3.1. 数据类型

• 整数类型

整数类型有Int8、Int16、Int32、Int64，分别表示8位、16位、32位和64位有符号整数。适用场景：存储整数值，如年龄、数量等。

• 浮点类型

浮点类型有Float32和Float64，分别表示32位和64位浮点数。适用场景：存储精确到小数点后几位的数值，如价格、评分等。

• 字符串类型

字符串类型有String和FixedString(n)。String是可变长字符串，FixedString(n)是长度固定为n的字符串。适用场景：存储文本数据，如名称、描述等。

注意事项：FixedString(n)的长度需提前定义好，如果插入的字符串长度超过n，则会被截断。

• 日期和时间类型

日期和时间类型有Date、DateTime、DateTime64。Date表示日期，DateTime表示日期和时间，DateTime64表示带有小数的日期和时间。适用场景：存储日期和时间信息，如订单时间、生日等。

注意事项：DateTime64需要指定小数位数，如DateTime64(3)表示精确到毫秒。

• 数组类型

数组类型表示一组相同数据类型的元素组成的集合。例如，Array(Int32)表示一个整数数组。适用场景：存储具有相同类型的多个值，如标签、分类等。

• 枚举类型

枚举类型表示有限个可能值的类型，如Enum8和Enum16。适用场景：存储有限个可能值的数据，如性别、状态等。

注意事项：枚举值需提前定义好，插入未定义的值会报错。

3.2. 表结构设计

• 创建表的语法

CREATE TABLE table_name (
    column_name1 data_type1 [options],
    column_name2 data_type2 [options],
    ...
) ENGINE = engine_type [engine_options];

• 修改表结构的语法

ALTER TABLE table_name
ADD COLUMN column_name data_type [options];

ALTER TABLE table_name
DROP COLUMN column_name;

• 删除表的语法

DROP TABLE table_name;

3.3. 主键和索引

• 主键的定义和使用

主键用于唯一标识表中的每一行数据，定义方式如下：

CREATE TABLE table_name (
    ...
    column_name1 data_type1 [options],
    column_name2 data_type2 [options],
    ...
) ENGINE = engine_type [engine_options] PRIMARY KEY (column_name1, column_name2, ...);

注意事项：主键列应具有唯一性，且不允许为NULL。

• 索引的类型和使用

ClickHouse支持多种索引类型，如位图索引、跳表索引、全文索引等。使用时，需在表创建时指定索引类型和对应的参数。

3.4. 分区和分片

• 分区的概念和应用

分区是将数据按照某个条件进行划分的方法，通常用于优化查询性能。在ClickHouse中，分区通常是按照时间进行划分，但也可以根据其他条件进行划分。

创建带有分区键的表：

CREATE TABLE table_name (
    ...
) ENGINE = engine_type
PARTITION BY partition_expression;

注意事项：合理设计分区键，有助于提高查询性能。但过多的分区可能导致元数据管理开销增加。

• 分片的概念和应用

分片是指将数据分布在多个节点上，以实现横向扩展和高可用性。在ClickHouse中，通过配置分布式表引擎和集群设置，可以实现数据分片。

创建分布式表：

CREATE TABLE distributed_table_name (
    ...
) ENGINE = Distributed(cluster_name, local_database, local_table, sharding_key);

注意事项：分片需要合理规划，以充分利用集群资源。过多的分片可能导致数据分布不均衡，影响查询性能。

以下是一个完整的示例：

• 创建一个带有主键、分区键的表：

CREATE TABLE orders (
    order_id UInt64,
    customer_id UInt64,
    order_date Date,
    total_amount Float64
) ENGINE = MergeTree()
PARTITION BY toYYYYMM(order_date)
ORDER BY (order_id);

• 插入数据

INSERT INTO orders (order_id, customer_id, order_date, total_amount) VALUES
(1, 1001, '2022-01-01', 100.5),
(2, 1002, '2022-01-02', 200.3),
(3, 1003, '2022-02-01', 150.8),
(4, 1001, '2022-02-05', 320.0);

• 查询某个分区的数据：

SELECT * FROM orders WHERE order_date >= '2022-02-01' AND order_date < '2022-03-01';

• 创建一个分布式表：

CREATE TABLE distributed_orders (
    order_id UInt64,
    customer_id UInt64,
    order_date Date,
    total_amount Float64
) ENGINE = Distributed('my_cluster', 'default', 'orders', rand());

• 查询分布式表：

SELECT * FROM distributed_orders WHERE customer_id = 1001;